CN115086138B - 一种物联网终端节点故障预测方法、系统及存储介质 - Google Patents

一种物联网终端节点故障预测方法、系统及存储介质 Download PDF

Info

Publication number
CN115086138B
CN115086138B CN202210892702.XA CN202210892702A CN115086138B CN 115086138 B CN115086138 B CN 115086138B CN 202210892702 A CN202210892702 A CN 202210892702A CN 115086138 B CN115086138 B CN 115086138B
Authority
CN
China
Prior art keywords
terminal node
internet
elements
fault
node
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210892702.XA
Other languages
English (en)
Other versions
CN115086138A (zh
Inventor
熊广成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Youkegu Technology Co ltd
Original Assignee
Guangzhou Youkegu Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Youkegu Technology Co ltd filed Critical Guangzhou Youkegu Technology Co ltd
Priority to CN202210892702.XA priority Critical patent/CN115086138B/zh
Publication of CN115086138A publication Critical patent/CN115086138A/zh
Application granted granted Critical
Publication of CN115086138B publication Critical patent/CN115086138B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0706—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment
    • G06F11/0709—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation the processing taking place on a specific hardware platform or in a specific software environment in a distributed system consisting of a plurality of standalone computer nodes, e.g. clusters, client-server systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Algebra (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Debugging And Monitoring (AREA)

Abstract

本发明公开了一种物联网终端节点故障预测方法、系统及存储介质，包括有以下步骤：一、各物联网终端节点将其元数据发往服务器；服务器中初始化一个计算集C；二、服务器统计所有元数据，并将元数据添加到集合C中；三、从集合C中随机选择元素u和v，使其欧氏距离大于设定值；四、迭代操作：1.对每一个集合C中的元素，将其归入以u和v为基准点的其中一个集合里；2.更新下一次迭代的基准点的值；迭代结束条件为以下之一：（a）相邻的两次迭代的集合没有变化；（b）其中一个集合的元素的个数小于设定的默认值；五、若条件（b）成立，则对潜在的故障节点进行人工检测，检测后将所有的真正故障节点从集合C中剔除，然后执行步骤二；否则直接执行步骤二。

Description

一种物联网终端节点故障预测方法、系统及存储介质
技术领域
本发明涉及物联网技术领域，更具体地，涉及一种基于统计推理的物联网终端节点故障预测方法、系统及存储介质。
背景技术
随着5G、大数据、人工智能等基础信息技术的进一步发展，物联网方案已逐渐成熟并开始进行商用部署。物联网的显著特点是分布式自动处理，大量的终端节点如传感器、机器人、智能设备异步、并行地获取所需的数据并进行相应的处理，较少需要人为干预。由于物联网终端节点常常部署在无人场景中，维修成本高，因此需要一种智能化的可靠方法来对终端节点进行故障检测，以提高每次维修作业的效率和有效性。
传统的故障检测方法常常需要终端节点每隔一段时间向服务器发送一个表明其仍在工作的数据包，如果服务器在指定时间内没有收到该数据包，则主动向终端节点进行询问，如果仍无响应，则判断节点存在故障。
这种方法的优点是简单高效，基本上能够将所有故障节点分离出来。但其仍有较大不足，比如其无法检测一些虽然仍在工作但没有正常工作的节点。比如，温度传感器的正常工作温度范围为-20°到100°，而采用上述方法很难确定一个回传数据持续是30°到60°的温度传感器是否是正常节点。而这种故障节点是物联网场景里更常见的故障节点。如果模型中使用了这些仍在工作的故障节点的数据，那么各行业中的数据模型将存在严重偏差，从而影响相应决策的有效性。
发明内容
本发明的发明目的在于提供一种物联网终端节点故障预测方法，该方法能够有效检测出仍在工作的故障节点，提高物联网数据传输和处理的准确性。
为实现以上发明目的，采用的技术方案是：
一种物联网终端节点故障预测方法，包括以下步骤：
S1.在服务器中初始化计算集
Figure 674587DEST_PATH_IMAGE001
，
Figure 998253DEST_PATH_IMAGE002
表示集合C中的第i个元素，
Figure 309148DEST_PATH_IMAGE003
表示集合C中元素个数，集合C初始化为空集；
S2.服务器接收来自各终端节点的元数据，并将其添加至集合C中；
S3.服务器从集合C中随机选取一个元素u，并从集合C的补集
Figure 110882DEST_PATH_IMAGE004
中选取元素v， 元素u与元素v之间的欧氏距离大于设定的阈值；
S4.令迭代参数j的初始值为1，令
Figure 456413DEST_PATH_IMAGE005
=u，
Figure 685400DEST_PATH_IMAGE006
=v；每次迭代参数j增1，循环进行步 骤S41、S42：
S41.对于集合C中的每一个元素
Figure 218012DEST_PATH_IMAGE007
，分别计算
Figure 321972DEST_PATH_IMAGE008
和
Figure 522010DEST_PATH_IMAGE009
；
Figure 780953DEST_PATH_IMAGE008
表示
Figure 941807DEST_PATH_IMAGE005
与
Figure 209977DEST_PATH_IMAGE002
之间的欧氏距离；若
Figure 139887DEST_PATH_IMAGE010
,则将
Figure 100890DEST_PATH_IMAGE002
放入集合
Figure 483460DEST_PATH_IMAGE011
中，否则放入集合
Figure 289742DEST_PATH_IMAGE012
中；
Figure 198793DEST_PATH_IMAGE012
、
Figure 441949DEST_PATH_IMAGE011
分别是以
Figure 702029DEST_PATH_IMAGE005
、
Figure 187368DEST_PATH_IMAGE006
为基准点的第𝑗次迭代的集合；
S42.更新下一次迭代的基准点的值
Figure 216504DEST_PATH_IMAGE013
、
Figure 129096DEST_PATH_IMAGE014
；
迭代结束条件为：（a）相邻的两次迭代的集合没有变化，即存在第
Figure 610893DEST_PATH_IMAGE015
次迭代后，
Figure 899923DEST_PATH_IMAGE016
；（b）
Figure 783565DEST_PATH_IMAGE012
或
Figure 991693DEST_PATH_IMAGE011
中的元素的个数小于设定的默认值
Figure 334687DEST_PATH_IMAGE017
，即存在第
Figure 286463DEST_PATH_IMAGE018
次迭代后，
Figure 165557DEST_PATH_IMAGE019
；
S5.若条件（a）成立，则跳转步骤S2；若条件（b）成立，则集合
Figure 810165DEST_PATH_IMAGE020
、集合
Figure 141920DEST_PATH_IMAGE021
中元素 较少的集合中的元数据的发送者即为潜在的故障节点，对潜在的故障节点进行检测，然后 执行步骤S2。
优选地，所述步骤S2中，当服务器接收来自各终端节点的元数据数量达到设定的默认值时，将这些元数据添加至集合C中。
优选地，所述步骤S3中，元素u与元素v之间的欧氏距离大于设定的阈值，具体为：
Figure 897387DEST_PATH_IMAGE022
其中，
Figure 365408DEST_PATH_IMAGE023
为设定的阈值，n表示元数据的维数；
Figure 915338DEST_PATH_IMAGE024
、
Figure 235854DEST_PATH_IMAGE025
分别是元数据u、v的各个 分量，
Figure 795012DEST_PATH_IMAGE026
。
优选地，所述步骤S3中，若集合C不存在欧氏距离大于设定的阈值的元素u与元素v，则执行步骤S2。
优选地，所述步骤S42更新下一次迭代的基准点的值
Figure 383119DEST_PATH_IMAGE013
、
Figure 103950DEST_PATH_IMAGE014
,具体为：
Figure 269352DEST_PATH_IMAGE027
Figure 241988DEST_PATH_IMAGE028
其中，
Figure 74814DEST_PATH_IMAGE029
为集合
Figure 841913DEST_PATH_IMAGE030
中的元素，
Figure 760191DEST_PATH_IMAGE031
，
Figure 35052DEST_PATH_IMAGE032
为集合
Figure 191227DEST_PATH_IMAGE011
中的元素，
Figure 394806DEST_PATH_IMAGE033
。
优选地，所述步骤S5对所述潜在的故障节点检测后确认所述潜在的故障节点为故障节点后，将所述故障节点从集合C中删除，然后执行步骤S2。
优选地，所述步骤S5对所述潜在的故障节点进行检测为人工检测。
优选地，所述步骤S2接收的来自各终端节点的元数据为用于表征当前终端节点工作状态的参数。
同时，本发明还提供了一种物联网终端节点故障预测系统，其具体的方案如下：
包括服务器和终端节点，所述服务器和终端节点运行时执行以上所述物联网终端节点故障预测方法的方法步骤。
另外，本发明还提供了一种存储介质，其具体的方案如下：
包括存储器及处理器，所述存储器内存储有程序，所述程序被所述处理器执行时，执行以上所述物联网终端节点故障预测方法的方法步骤。
与现有技术相比，本发明的有益效果是：
（1）本发明提供的物联网终端节点故障预测方法能够提高物联网终端节点故障检测的稳定性和准确性。主流的方法常常只能检测出不再工作的故障节点，通用性不足，而本发明提供的物联网终端节点故障预测方法能够有效地检测出仍在工作的故障节点，提高物联网数据传输和处理的准确性。
（2）本发明提供的物联网终端节点故障预测方法采用动态的算法参数调整策略，迭代的基准点可根据元数据进行实时更新，有效地实时调整检测方法的参数，确保每一个元数据都能及时处理，具备较强的实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为物联网终端节点故障预测方法的流程示意图。
图2为物联网终端节点故障预测系统的结构示意图。
图3为存储介质的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
如图1所示，本发明提供的物联网终端节点故障预测方法包括有以下步骤：
一、各物联网终端节点每隔一段时间将其元数据发往服务器。服务器中初始化一个计算集C。
其中，各物联网终端节点每隔一段时间将其元数据发往服务器，元数据主要包括用于表征当前节点工作状态的参数，比如剩余电量、芯片温度、接收信号强度、地理坐标、数据传输耗时等，参数的个数称为元数据的维数。
在具体的实施过程中，在服务器中初始化计算集
Figure 534801DEST_PATH_IMAGE001
，
Figure 114818DEST_PATH_IMAGE002
表示集合C中的第i个元素，
Figure 656657DEST_PATH_IMAGE034
表示集合C中元素个数，集合C初始化为空集。
二、服务器统计所有元数据，并将元数据添加到集合C中。
在具体的实施过程中，当服务器接收来自各终端节点的元数据数量达到设定的默认值时，将这些元数据添加至集合C中。
三、服务器从集合C中随机选择元素u和v，使其欧氏距离大于设定值。
在具体的实施过程中，服务器从集合C中随机选取一个元素u，并从集合C的补集
Figure 31138DEST_PATH_IMAGE035
中选取元素v，元素u与元素v之间的欧氏距离大于设定的阈值。
在具体的实施过程中，元素u与元素v之间的欧氏距离大于设定的阈值，具体为：
Figure 658428DEST_PATH_IMAGE022
其中，
Figure 635612DEST_PATH_IMAGE023
为设定的阈值，n表示元数据的维数；
Figure 397070DEST_PATH_IMAGE024
、
Figure 67086DEST_PATH_IMAGE025
分别是元数据u、v的各个 分量，
Figure 791460DEST_PATH_IMAGE026
。
在具体的实施过程中，若集合C不存在欧氏距离大于设定的阈值的元素u与元素v，则执行步骤二。
四、迭代进行下述操作：
1.对每一个集合C中的元素，将其归入以u和v为基准点的其中一个集合里。
2.更新下一次迭代的基准点的值。
在具体的实施过程中，令迭代参数j的初始值为1，令
Figure 572334DEST_PATH_IMAGE005
=u，
Figure 964132DEST_PATH_IMAGE006
=v；每次迭代参数j增1，循环进行步骤S41、S42：
S41.对于集合C中的每一个元素
Figure 805049DEST_PATH_IMAGE007
，分别计算
Figure 282298DEST_PATH_IMAGE008
和
Figure 601284DEST_PATH_IMAGE009
；
Figure 972222DEST_PATH_IMAGE008
表示
Figure 357942DEST_PATH_IMAGE005
与
Figure 915962DEST_PATH_IMAGE002
之间的欧氏距离；若
Figure 179585DEST_PATH_IMAGE010
,则将
Figure 405029DEST_PATH_IMAGE002
放入集合
Figure 322170DEST_PATH_IMAGE011
中，否则放入集合
Figure 774011DEST_PATH_IMAGE012
中；
Figure 434799DEST_PATH_IMAGE012
、
Figure 390117DEST_PATH_IMAGE011
分别是以
Figure 9317DEST_PATH_IMAGE005
、
Figure 541930DEST_PATH_IMAGE006
为基准点的第𝑗次迭代的集合；
S42.更新下一次迭代的基准点的值
Figure 648819DEST_PATH_IMAGE013
、
Figure 583277DEST_PATH_IMAGE014
。
在具体的实施过程中，更新下一次迭代的基准点的值
Figure 983166DEST_PATH_IMAGE013
、
Figure 268654DEST_PATH_IMAGE014
,具体为：
Figure 412190DEST_PATH_IMAGE027
Figure 201155DEST_PATH_IMAGE028
其中，
Figure 162157DEST_PATH_IMAGE036
为集合
Figure 544728DEST_PATH_IMAGE037
中的元素，
Figure 351010DEST_PATH_IMAGE031
，
Figure 899541DEST_PATH_IMAGE032
为集合
Figure 765866DEST_PATH_IMAGE011
中的元素，
Figure 760367DEST_PATH_IMAGE033
。
迭代结束条件为以下之一：
（a）相邻的两次迭代的集合没有变化。
（b）其中一个集合的元素的个数小于设定的默认值。
在具体的实施过程中，迭代结束条件为：（a）相邻的两次迭代的集合没有变化，即 存在第
Figure 245706DEST_PATH_IMAGE015
次迭代后，
Figure 274842DEST_PATH_IMAGE016
；（b）
Figure 921855DEST_PATH_IMAGE037
或
Figure 669231DEST_PATH_IMAGE011
中的元素的个数小于设定的默认值
Figure 817316DEST_PATH_IMAGE017
，即 存在第
Figure 576324DEST_PATH_IMAGE018
次迭代后，
Figure 784452DEST_PATH_IMAGE019
。
五、若条件（b）成立，则对潜在的故障节点进行人工检测，检测后将所有的真正故障节点从集合C中剔除，然后执行步骤二；否则直接执行步骤二。
在具体的实施过程中，若条件（a）成立，则跳转步骤二；若条件（b）成立，则集合
Figure 130376DEST_PATH_IMAGE038
、集合
Figure 82151DEST_PATH_IMAGE039
中元素较少的集合中的元数据的发送者即为潜在的故障节点，对潜在的故障 节点进行检测，然后执行步骤二。
实施例2
本实施例提供了一种物联网终端节点故障预测系统，如图2所示，其具体的方案如下：
包括服务器和若干终端节点，所述服务器和终端节点运行时执行实施例1所述物联网终端节点故障预测方法的方法步骤。
实施例3
本实施例提供了一种存储介质，如图3所示，其具体的方案如下：
包括存储器及处理器，所述存储器内存储有程序，所述程序被所述处理器执行时，执行实施例1所述物联网终端节点故障预测方法的方法步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种物联网终端节点故障预测方法，其特征在于：包括以下步骤：
S1.在服务器中初始化计算集
Figure 97217DEST_PATH_IMAGE001
，
Figure 850147DEST_PATH_IMAGE002
表示集合C中的第i个元素，
Figure 306536DEST_PATH_IMAGE003
表 示集合C中元素个数，集合C初始化为空集；
S2.服务器接收来自各终端节点的元数据，并将其添加至集合C中；
S3.服务器从集合C中随机选取一个元素u，并从集合C的补集
Figure 202948DEST_PATH_IMAGE004
中选取元素v，元素u 与元素v之间的欧氏距离大于设定的阈值；
S4.令迭代参数j的初始值为1，令
Figure 936548DEST_PATH_IMAGE005
=u，
Figure 752058DEST_PATH_IMAGE006
=v；每次迭代参数j增1，循环进行步骤 S41、S42：
S41.对于集合C中的每一个元素
Figure 571109DEST_PATH_IMAGE007
，分别计算
Figure 599108DEST_PATH_IMAGE008
和
Figure 311849DEST_PATH_IMAGE009
；
Figure 675091DEST_PATH_IMAGE008
表示
Figure 840493DEST_PATH_IMAGE005
与
Figure 813128DEST_PATH_IMAGE002
之间的欧氏距离；若
Figure 380376DEST_PATH_IMAGE010
,则将
Figure 413054DEST_PATH_IMAGE002
放入集合
Figure 331331DEST_PATH_IMAGE011
中，否则放入集合
Figure 842078DEST_PATH_IMAGE012
中；
Figure 263832DEST_PATH_IMAGE012
、
Figure 592045DEST_PATH_IMAGE011
分别是以
Figure 105941DEST_PATH_IMAGE005
、
Figure 545012DEST_PATH_IMAGE013
为基准点的第𝑗次迭代的集合；
S42.更新下一次迭代的基准点的值
Figure 962218DEST_PATH_IMAGE014
、
Figure 461333DEST_PATH_IMAGE015
；
迭代结束条件为：（a）相邻的两次迭代的集合没有变化，即存在第
Figure 229569DEST_PATH_IMAGE016
次迭代后，
Figure 941173DEST_PATH_IMAGE017
；（b）
Figure 478465DEST_PATH_IMAGE012
或
Figure 148480DEST_PATH_IMAGE011
中的元素的个数小于设定的默认值
Figure 997488DEST_PATH_IMAGE018
，即存在第
Figure 155193DEST_PATH_IMAGE019
次迭代后，
Figure 671625DEST_PATH_IMAGE020
；
S5.若条件（a）成立，则跳转步骤S2；若条件（b）成立，则集合
Figure 387908DEST_PATH_IMAGE021
、集合
Figure 724212DEST_PATH_IMAGE022
中元素较少 的集合中的元数据的发送者即为潜在的故障节点，对潜在的故障节点进行检测，然后执行 步骤S2。
2.根据权利要求1所述的物联网终端节点故障预测方法，其特征在于：所述步骤S2中，当服务器接收来自各终端节点的元数据数量达到设定的默认值时，将这些元数据添加至集合C中。
3.根据权利要求1所述的物联网终端节点故障预测方法，其特征在于：所述步骤S3中，元素u与元素v之间的欧氏距离大于设定的阈值，具体为：
Figure 184143DEST_PATH_IMAGE023
其中，
Figure 555081DEST_PATH_IMAGE024
为设定的阈值，n表示元数据的维数；
Figure 442266DEST_PATH_IMAGE025
、
Figure 265865DEST_PATH_IMAGE026
分别是元数据u、v的各个分 量，
Figure 28023DEST_PATH_IMAGE027
。
4.根据权利要求3所述的物联网终端节点故障预测方法，其特征在于：所述步骤S3中，若集合C不存在欧氏距离大于设定的阈值的元素u与元素v，则执行步骤S2。
5.根据权利要求1-4任一项所述的物联网终端节点故障预测方法，其特征在于：所述步 骤S42更新下一次迭代的基准点的值
Figure 987889DEST_PATH_IMAGE014
、
Figure 170608DEST_PATH_IMAGE015
,具体为：
Figure 356870DEST_PATH_IMAGE028
Figure 283238DEST_PATH_IMAGE029
其中，
Figure 238555DEST_PATH_IMAGE030
为集合
Figure 857756DEST_PATH_IMAGE031
中的元素，
Figure 390368DEST_PATH_IMAGE032
，
Figure 730214DEST_PATH_IMAGE033
为集合
Figure 930251DEST_PATH_IMAGE011
中的元素，
Figure 97183DEST_PATH_IMAGE034
。
6.根据权利要求5所述的物联网终端节点故障预测方法，其特征在于：所述步骤S5对所述潜在的故障节点检测后确认所述潜在的故障节点为故障节点后，将所述故障节点从集合C中删除，然后执行步骤S2。
7.根据权利要求5所述的物联网终端节点故障预测方法，其特征在于：所述步骤S5对所述潜在的故障节点进行检测为人工检测。
8.根据权利要求5所述的物联网终端节点故障预测方法，其特征在于：所述步骤S2接收的来自各终端节点的元数据为用于表征当前终端节点工作状态的参数。
9.一种物联网终端节点故障预测系统，其特征在于：包括服务器和终端节点，所述服务器和终端节点运行时执行权利要求1-8任一项所述物联网终端节点故障预测方法的方法步骤。
10.一种存储介质，包括存储器及处理器，所述存储器内存储有程序，其特征在于：所述程序被所述处理器执行时，执行权利要求1-8任一项所述物联网终端节点故障预测方法的方法步骤。
CN202210892702.XA 2022-07-27 2022-07-27 一种物联网终端节点故障预测方法、系统及存储介质 Active CN115086138B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210892702.XA CN115086138B (zh) 2022-07-27 2022-07-27 一种物联网终端节点故障预测方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210892702.XA CN115086138B (zh) 2022-07-27 2022-07-27 一种物联网终端节点故障预测方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN115086138A CN115086138A (zh) 2022-09-20
CN115086138B true CN115086138B (zh) 2022-11-08

Family

ID=83243461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210892702.XA Active CN115086138B (zh) 2022-07-27 2022-07-27 一种物联网终端节点故障预测方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN115086138B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184084A (zh) * 2015-09-14 2015-12-23 深圳供电局有限公司 一种电力计量自动化终端故障类型预测方法和系统
CN114611372A (zh) * 2022-03-22 2022-06-10 合肥金人科技有限公司 一种基于物联网边缘计算的工业设备健康预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10024910B2 (en) * 2016-01-29 2018-07-17 International Business Machines Corporation Iterative N-detect based logic diagnostic technique
US11604934B2 (en) * 2019-05-29 2023-03-14 Nec Corporation Failure prediction using gradient-based sensor identification

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105184084A (zh) * 2015-09-14 2015-12-23 深圳供电局有限公司 一种电力计量自动化终端故障类型预测方法和系统
CN114611372A (zh) * 2022-03-22 2022-06-10 合肥金人科技有限公司 一种基于物联网边缘计算的工业设备健康预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Guoshan Liu ; Fu Liu.Research on Stability of SAAS Application Software Based on Dynamic Fault Prediction of Internet of Things.《2021 IEEE International Conference on Artificial Intelligence and Industrial Design (AIID)》.2021, *

Also Published As

Publication number Publication date
CN115086138A (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN108334059B (zh) 基于粒子群算法优化bp神经网络模型故障诊断方法
CN111935170B (zh) 一种网络异常流量检测方法、装置及设备
CN109800220B (zh) 一种大数据清洗方法、系统及相关装置
CN112730938A (zh) 一种基于用电采集大数据的窃电用户判断方法
CN114363212B (zh) 一种设备检测方法、装置、设备和存储介质
CN106155985A (zh) 一种基于相邻数据特征的数据缺失填充方法
Ghalehgolabi et al. Intrusion detection system using genetic algorithm and data mining techniques based on the reduction
CN115037543A (zh) 一种基于双向时间卷积神经网络的异常网络流量检测方法
CN115086138B (zh) 一种物联网终端节点故障预测方法、系统及存储介质
CN114090860A (zh) 一种加权网络节点重要性确定方法及系统
CN115801549B (zh) 基于关键节点识别的自适应网络恢复方法、装置及设备
CN115632888B (zh) 一种基于图算法的攻击路径还原方法及系统
CN115599873B (zh) 基于人工智能物联网的数据采集方法、系统及云平台
CN116823233A (zh) 一种基于全周期运维的用户数据处理方法及系统
CN116719831A (zh) 一种面向健康监测的标准数据库建立与更新方法
CN114205214B (zh) 一种电力通信网络故障识别方法、装置、设备及存储介质
CN112329944B (zh) 一种基于历史模型多样性的数据流概念漂移检测方法
CN115412450B (zh) 一种面向溯源图的多电力终端协同行为检测方法及装置
CN111563543A (zh) 一种风电机组的风速-发电功率数据的清洗方法及装置
CN115442219B (zh) 一种物联网备份节点选举方法及系统
CN105223945B (zh) 水产养殖物联网装备集群的故障诊断方法及系统
CN112073517B (zh) 一种分布式数据传输优化方法、系统及相关设备
JP2022036261A (ja) 異常診断方法および異常診断装置
CN117953252B (zh) 高速公路资产数据自动化采集方法及系统
CN116107859B (zh) 容器故障预测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant